Open Access
Optimize Edilmiş Trend Takip İndikatörü (OTT) ve Stokastik (STOS) İndikatörleri ile Matriks Veri Terminalinde BİST XELKT Endeksinde Algoritmik Trade Örneği
Yavuzhan Ertürk1*, Nuran Yörükeren2
1Kocaeli Üniversitesi, Kocaeli, Türkiye
2Kocaeli Üniversitesi, Kocaeli, Türkiye
* Corresponding author: yavuzhanerturkmuh@gmail.com

Presented at the 6th International Symposium on Innovative Approaches in Smart Technologies (ISAS-WINTER-2022), Online, Turkey, Dec 08, 2022

SETSCI Conference Proceedings, 2022, 14, Page (s): 20-28 , https://doi.org/10.36287/setsci.5.2.005

Published Date: 22 December 2022    | 2832     18

Abstract

Finansal piyasalarda piyasa katılımcıları; temel analiz ve  teknik analiz yöntemlerini kullanarak ilgilendikleri üründe alım satım kararlarını vermektedir. Temel analiz yöntemlerinde firma, sektör, ekonomi analizlerinden; teknik analiz yöntemlerinde ise trend, destek-direnç, formasyonlar ve indikatörlerden faydalanılmaktadır. Günümüz teknolojisinde algoritmik trade yöntemleriyle finansal piyasalarda alım satım işlemleri robotlar aracılığıyla otomatik olarak yapılabilmektedir. Bu çalışmada Matriks veri terminalinde XELKT endeksi grafiğinde Optimize edilmiş Trend Takip İndikatörü (OTT) ve Stokastik (STOS) indikatörleri ile tasarlanmış, matastock dilinde alım satım algoritmaları oluşturulmuş bir robot ile otomatik emir iletimi üzerine bir çalışma yapılmıştır. Yapılan çalışmada XELKT endeksi grafiği için 1 dakikalık periyotlar kullanılmıştır. Son 30 bin barda yapılan backtestler ile optimum işlem sayısında, maksimum getiri sağlayacak indikatör parametre değerleri Matriks veri terminalinde hesaplatılmıştır. Sonuç kısmında işlem sayısı, getiri eğrisi, al-sat noktalarının grafik üzerinde gösterimine yer verilerek finansal piyasalarda robot çalıştırmanın olumlu olumsuz yanları değerlendirilmiştir.

Keywords - XELKT, Algoritmik Trade, STOS, OTT

References

[1] H.Diler, “An Application Of Technical Analysis To Istanbul Stock Exchange For The Period Between 2001-2020”, Yüksek Lisans Tezi, Türk Alman Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul, Türkiye, 2021.

[2] M.A.Tarifi, “The Effectiveness Of Technical Analysis On Cryptocurrency Market”, Yüksek Lisans Tezi, İstanbul Aydın Üniversitesi, Lisans Üstü Eğitim Enstitüsü, İstanbul, Türkiye, 2021.

[3]…….https://www.gcmyatirim.com.tr/borsa/endeks/bist-elektrik-xelkt

[4] M.S.Çelik ve M.B.Öztürk, “Algorithmic And High Frequency Trading Strategies In Capital Markets” Nigde Omer Halisdemir University Journal of Social Sciences Institute, vol 4, no 1, s.77-85, Jun 2022.

[5]…..https://www.matriksdata.com/website/bireysel-urunler/matriks-veri-terminali/dokumanlar/matriks-veri-terminali-indikatorler-dokumani

[6] L.Xucheng ve P.Zhihao, “A Novel Algorithmic Trading Approach Based on Reinforcement Learning”, 11th International Conference on Measuring Technology and Mechatronics Automation (ICMTMA), doi:10.1109/icmtma.2019.00093, April 2019.

[7] X.Jia ve R.Y.K. Lau, “The Control Strategies for High Frequency Algorithmic Trading”, IEEE 4th International Conference on Control Science and Systems Engineering (ICCSSE). doi:10.1109/ccsse.2018.8724810, August 2018.

[8] A.Thavaneswaran, Y.Liang, Z.Zhu, R.K.Thulasiram, “Novel Data-Driven Fuzzy Algorithmic Volatility Forecasting Models with Applications to Algorithmic Trading” 2020 IEEE International Conference on Fuzzy Systems(FUZZ-IEEE). doi:10.1109/fuzz48607.2020.917773, July 2020.

[9] Y.Li, W.Zheng, Z.Zheng, Z. “Deep Robust Reinforcement Learning for Practical Algorithmic Trading” IEEE Access, 1–1. doi:10.1109/access.2019.2932789, August 2019.

[10] G.Nuti, M.Mirghaemi, P.Treleaven, C.Yingsaeree, “Algorithmic Trading” Computer, vol44, no11, doi:10.1109/mc.2011.31, January 2011.

[11] S.Yang, M.Paddrik, R.Hayes, R., A.Todd, A. Kirilenko, P. Beling, W.Scherer, “Behavior based learning in identifying High Frequency Trading strategies” IEEE Conference on Computational Intelligence for Financial Engineering & Economics (CIFEr), doi:10.1109/cifer.2012.6327783, March 2012.

[12] C.Tudor, R.Sova, “Flexible Decision Support System for Algorithmic Trading: Empirical Application on Crude Oil Markets”, IEEE, vol 10, January 2022.

[13] A.A.Grover, A. R.S.Gabriel, “Analysis of Algorithmic Trading with Q-Learning in the Forex Market” International Conference on Emerging Smart Computing and Informatics (ESCI). doi:10.1109/esci50559.2021.939694, April 2021.

[14] A.Ozdemir, S.Bogosyan, “Neural Network based Trading Signal Generation in Cypto-Currency Markets” International Conference on Artificial Intelligence and Data Processing(IDAP),doi:10.1109/idap.2018.8620889, September 2018.


Licence Creative CommonsThis is an Open Access article distributed under the terms of the Creative Commons Attribution License 4.0, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

SETSCI 2024
info@set-science.com
Copyright © 2024 SETECH
Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TÜRKİYE